FFRI_Dataset_2018数据集介绍:日本信息学会提供的免费下载资源
FFRI_Dataset_2018.pdf 数据集介绍 FFRI_Dataset_2018 是日本信息学会提供的一个数据集,主要用于研究和学习 malware 分析和机器学习领域。该数据集提供了从 2013 年到 2017 年的 malware 动态分析日志,包括了约 2,600 到 8,000 个样本。 在 FFRI_Dataset_2018 中,数据项包括了 info、signatures、static、dropped、behavior、target、debug、strings 和 network 等九个方面。其中,behavior 项是该数据集的核心部分,包括了进程树、API 调用日志、网络通信记录等信息。 FFRI_Dataset_2018 的提供目的在于提高研究领域中的知名度和人才交流,促进共同研究的发展。然而,目前该领域的人才交流和共同研究的发展较少,研究论文数量也在减少。因此,FFRI_Dataset_2018 的出现为研究人员提供了有价值的资源。 FFRI_Dataset_2018 的数据项包括: 1. info:包括了分析的开始和结束时间、ID 等信息。 2. signatures:用户定义的签名与之比较的结果。 3. static:包括了文件信息、导入 API、sections 结构等。 4. dropped:包括了 malware 执行时生成的文件。 5. behavior:包括了进程树、API 调用日志、网络通信记录等信息。 6. target:包括了分析目标 malware 的文件信息,如哈希值等。 7. debug:包括了 CuckooSandbox 的调试日志。 8. strings:包括了 malware 中的字符串信息。 9. network:包括了 malware 执行时的网络通信记录。 FFRI_Dataset_2018 的应用场景包括: 1. malware 分析:使用 FFRI_Dataset_2018 可以对 malware 进行深入分析,了解其行为和机理。 2. 机器学习:FFRI_Dataset_2018 提供了大量的数据,可以用于机器学习算法的训练和测试。 3. 安全研究:FFRI_Dataset_2018 可以用于安全研究,了解 malware 的攻击方式和防御方法。 FFRI_Dataset_2018 是一个非常有价值的数据集,对于 malware 分析和机器学习领域的研究人员来说是一个非常重要的资源。
![](https://csdnimg.cn/release/download_crawler_static/12305571/bg4.jpg)
剩余17页未读,继续阅读
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/3f773981015d43bb9c4305cce29c67d9_qq_31897241.jpg!1)
- 粉丝: 143
- 资源: 53
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 多模态联合稀疏表示在视频目标跟踪中的应用
- Kubernetes资源管控与Gardener开源软件实践解析
- MPI集群监控与负载平衡策略
- 自动化PHP安全漏洞检测:静态代码分析与数据流方法
- 青苔数据CEO程永:技术生态与阿里云开放创新
- 制造业转型: HyperX引领企业上云策略
- 赵维五分享:航空工业电子采购上云实战与运维策略
- 单片机控制的LED点阵显示屏设计及其实现
- 驻云科技李俊涛:AI驱动的云上服务新趋势与挑战
- 6LoWPAN物联网边界路由器:设计与实现
- 猩便利工程师仲小玉:Terraform云资源管理最佳实践与团队协作
- 类差分度改进的互信息特征选择提升文本分类性能
- VERITAS与阿里云合作的混合云转型与数据保护方案
- 云制造中的生产线仿真模型设计与虚拟化研究
- 汪洋在PostgresChina2018分享:高可用 PostgreSQL 工具与架构设计
- 2018 PostgresChina大会:阿里云时空引擎Ganos在PostgreSQL中的创新应用与多模型存储
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)